Submit Search
Upload
【論文紹介】Seq2Seq (NIPS 2014)
•
0 likes
•
1,058 views
T
Tomoyuki Hioki
Follow
sequence-to-sequenceモデル NIPS 2014 Google
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 6
Download now
Download to read offline
Recommended
ResNetの説明資料
ResNetの仕組み
ResNetの仕組み
Kota Nagasato
cvpaper.challenge はコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文読破・まとめ・アイディア考案・議論・実装・論文投稿に取り組み、あらゆる知識を共有しています。 http://xpaperchallenge.org/cv/ 本資料は、CVPR 2019 網羅的サーベイの成果の一部で、1論文を精読してプレゼンテーション形式でまとめております。論文サマリは下記からご確認頂けます。 http://xpaperchallenge.org/cv/survey/cvpr2019_summaries/listall/
【CVPR 2019】DeepSDF: Learning Continuous Signed Distance Functions for Shape R...
【CVPR 2019】DeepSDF: Learning Continuous Signed Distance Functions for Shape R...
cvpaper. challenge
ResNetに代表されるSkip Connectionについて理論と有効性をまとめました。
Skip Connection まとめ(Neural Network)
Skip Connection まとめ(Neural Network)
Yamato OKAMOTO
東京大学2020年度深層学習(Deep learning基礎講座) https://deeplearning.jp/lectures/dlb2020/ 第9回(2020/06/25)「深層学習と自然言語処理」の講義資料です。
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
Hitomi Yanaka
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
cvpaper. challenge
機械学習勉強会の資料です.LSTM (Long short-term memory) について理解するために,単純なニューラルネットから話を進めていきます.
LSTM (Long short-term memory) 概要
LSTM (Long short-term memory) 概要
Kenji Urai
CNNの構造最適化について(第3回3D勉強会)の一部を修正したものになります.
CNNの構造最適化手法について
CNNの構造最適化手法について
MasanoriSuganuma
Neural Network with Attention Mechanism for Natural Language Processing: survey
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
Yuta Kikuchi
Recommended
ResNetの説明資料
ResNetの仕組み
ResNetの仕組み
Kota Nagasato
cvpaper.challenge はコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文読破・まとめ・アイディア考案・議論・実装・論文投稿に取り組み、あらゆる知識を共有しています。 http://xpaperchallenge.org/cv/ 本資料は、CVPR 2019 網羅的サーベイの成果の一部で、1論文を精読してプレゼンテーション形式でまとめております。論文サマリは下記からご確認頂けます。 http://xpaperchallenge.org/cv/survey/cvpr2019_summaries/listall/
【CVPR 2019】DeepSDF: Learning Continuous Signed Distance Functions for Shape R...
【CVPR 2019】DeepSDF: Learning Continuous Signed Distance Functions for Shape R...
cvpaper. challenge
ResNetに代表されるSkip Connectionについて理論と有効性をまとめました。
Skip Connection まとめ(Neural Network)
Skip Connection まとめ(Neural Network)
Yamato OKAMOTO
東京大学2020年度深層学習(Deep learning基礎講座) https://deeplearning.jp/lectures/dlb2020/ 第9回(2020/06/25)「深層学習と自然言語処理」の講義資料です。
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
東京大学2020年度深層学習(Deep learning基礎講座) 第9回「深層学習と自然言語処理」
Hitomi Yanaka
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
cvpaper. challenge
機械学習勉強会の資料です.LSTM (Long short-term memory) について理解するために,単純なニューラルネットから話を進めていきます.
LSTM (Long short-term memory) 概要
LSTM (Long short-term memory) 概要
Kenji Urai
CNNの構造最適化について(第3回3D勉強会)の一部を修正したものになります.
CNNの構造最適化手法について
CNNの構造最適化手法について
MasanoriSuganuma
Neural Network with Attention Mechanism for Natural Language Processing: survey
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
Yuta Kikuchi
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields
cvpaper. challenge
2021/04/16 Deep Learning JP: http://deeplearning.jp/seminar-2/
【DL輪読会】NeRF-VAE: A Geometry Aware 3D Scene Generative Model
【DL輪読会】NeRF-VAE: A Geometry Aware 3D Scene Generative Model
Deep Learning JP
PointNet
Point net
Point net
Fujimoto Keisuke
カルマンフィルタの基礎的な内容を、実例を多めに解説しています。 本資料は、DeNAとMobility Technologiesが合同で実施している社内技術交流会での発表資料を一部修正したものです。
カルマンフィルタ入門
カルマンフィルタ入門
Yasunori Nihei
https://math-coding.connpass.com/event/147508/ Math&coding#6 の発表資料
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
ryosuke-kojima
Reading ML paper "DARTS: Differentiable Architecture Search" at Tensorflow User Group Tokyo (Japanese)
論文紹介 "DARTS: Differentiable Architecture Search"
論文紹介 "DARTS: Differentiable Architecture Search"
Yuta Koreeda
BERTを理解するためのTransformer雰囲気紹介スライドです.
Transformerを雰囲気で理解する
Transformerを雰囲気で理解する
AtsukiYamaguchi1
2019/06/14 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Objects as Points
[DL輪読会]Objects as Points
Deep Learning JP
6/9 (木) 14:15~14:45 メイン会場 講師:加藤 大晴 氏(株式会社Preferred Networks) 概要: 点群/メッシュ/ボクセルなどの従来的な3D表現に代わってニューラルネットによる陰関数で三次元データを表してしまう手法が近年登場し、様々なタスクで目覚ましい成果を挙げ大きな注目を集めている。この表現は、計算コストが高い代わりに柔軟性が高くさまざまなものをシンプルかつコンパクトに表現できることが知られている。本講演では、その基礎、応用、最先端の状況について、代表的な研究を広く紹介する。
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII
情報処理学会 第217回自然言語処理研究会 http://www.nl-ipsj.or.jp/NL217program.html
Word2vecの並列実行時の学習速度の改善
Word2vecの並列実行時の学習速度の改善
Naoaki Okazaki
SSII 2015 チュートリアル講演 「Deep Learningによる画像認識革命」 2015年6月10日
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
nlab_utokyo
2021/12/03 Deep Learning JP: http://deeplearning.jp/seminar-2/
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
Deep Learning JP
LiDARで取得した道路上の点群に対してSemantic Segmentationを行う手法についてサーベイしました。
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
Takuya Minagawa
【第40回AIセミナー】 「説明できるAI 〜AIはブラックボックスなのか?〜」 https://www.airc.aist.go.jp/seminar_detail/seminar_040.html 【講演タイトル】 機械学習モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識・識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究・提案されてきている。本講演ではこれら近年の代表的な説明法について紹介する。
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
2023/4/7 Deep Learning JP http://deeplearning.jp/seminar-2/
【DL輪読会】Segment Anything
【DL輪読会】Segment Anything
Deep Learning JP
時系列データ分析
時系列データ分析
graySpace999
日本計算機統計学会 スタディーグループ 「IR(Institutional Research)のための統計的モデル構築に関する研究」ワークショップ 開催日時:2019年3月23日(土) 13:30~17:00 会場: 統計数理研究所 セミナー室1
トピックモデルの基礎と応用
トピックモデルの基礎と応用
Tomonari Masada
近年、自然言語処理の分野で注目を集め今では重要な基礎技術となったAttentionについて、その起源と発展を振り返ります。
NLPにおけるAttention~Seq2Seq から BERTまで~
NLPにおけるAttention~Seq2Seq から BERTまで~
Takuya Ono
2019.4.19 LPIXEL Inc. Presents #1【画像処理 & 機械学習】論文LT会! で発表した資料です。 https://lpixel.connpass.com/event/126425/
semantic segmentation サーベイ
semantic segmentation サーベイ
yohei okawa
SSII2020 技術動向解説セッション SS1 6/11 (木) 14:00~14:30 メイン会場 (vimeo + sli.do) グラフ構造をもつデータに対する DNN、すなわち Graph Neural Networks (GNNs) の研究はこの2、3年で参加する研究者が急増している。現状、様々なアーキテクチャの GNN が様々なドメインや様々なタスクで個別に提案され、概観を捉えるのも簡単ではない状態になっている。本チュートリアルは、広範に散らばった GNN 研究の現状についての概観と基盤技術を紹介するとともに、時間が許す範囲でコンピュータビジョン領域における応用例の紹介にも取り組みたい。
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII
Multivariate analysis
Analysis of cancer by structural equation
Analysis of cancer by structural equation
Tomoyuki Hioki
Multivariate analysis
Analysis of cancer and health in each prefecture
Analysis of cancer and health in each prefecture
Tomoyuki Hioki
More Related Content
What's hot
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields
cvpaper. challenge
2021/04/16 Deep Learning JP: http://deeplearning.jp/seminar-2/
【DL輪読会】NeRF-VAE: A Geometry Aware 3D Scene Generative Model
【DL輪読会】NeRF-VAE: A Geometry Aware 3D Scene Generative Model
Deep Learning JP
PointNet
Point net
Point net
Fujimoto Keisuke
カルマンフィルタの基礎的な内容を、実例を多めに解説しています。 本資料は、DeNAとMobility Technologiesが合同で実施している社内技術交流会での発表資料を一部修正したものです。
カルマンフィルタ入門
カルマンフィルタ入門
Yasunori Nihei
https://math-coding.connpass.com/event/147508/ Math&coding#6 の発表資料
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
ryosuke-kojima
Reading ML paper "DARTS: Differentiable Architecture Search" at Tensorflow User Group Tokyo (Japanese)
論文紹介 "DARTS: Differentiable Architecture Search"
論文紹介 "DARTS: Differentiable Architecture Search"
Yuta Koreeda
BERTを理解するためのTransformer雰囲気紹介スライドです.
Transformerを雰囲気で理解する
Transformerを雰囲気で理解する
AtsukiYamaguchi1
2019/06/14 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Objects as Points
[DL輪読会]Objects as Points
Deep Learning JP
6/9 (木) 14:15~14:45 メイン会場 講師:加藤 大晴 氏(株式会社Preferred Networks) 概要: 点群/メッシュ/ボクセルなどの従来的な3D表現に代わってニューラルネットによる陰関数で三次元データを表してしまう手法が近年登場し、様々なタスクで目覚ましい成果を挙げ大きな注目を集めている。この表現は、計算コストが高い代わりに柔軟性が高くさまざまなものをシンプルかつコンパクトに表現できることが知られている。本講演では、その基礎、応用、最先端の状況について、代表的な研究を広く紹介する。
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII
情報処理学会 第217回自然言語処理研究会 http://www.nl-ipsj.or.jp/NL217program.html
Word2vecの並列実行時の学習速度の改善
Word2vecの並列実行時の学習速度の改善
Naoaki Okazaki
SSII 2015 チュートリアル講演 「Deep Learningによる画像認識革命」 2015年6月10日
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
nlab_utokyo
2021/12/03 Deep Learning JP: http://deeplearning.jp/seminar-2/
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
Deep Learning JP
LiDARで取得した道路上の点群に対してSemantic Segmentationを行う手法についてサーベイしました。
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
Takuya Minagawa
【第40回AIセミナー】 「説明できるAI 〜AIはブラックボックスなのか?〜」 https://www.airc.aist.go.jp/seminar_detail/seminar_040.html 【講演タイトル】 機械学習モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識・識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究・提案されてきている。本講演ではこれら近年の代表的な説明法について紹介する。
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
2023/4/7 Deep Learning JP http://deeplearning.jp/seminar-2/
【DL輪読会】Segment Anything
【DL輪読会】Segment Anything
Deep Learning JP
時系列データ分析
時系列データ分析
graySpace999
日本計算機統計学会 スタディーグループ 「IR(Institutional Research)のための統計的モデル構築に関する研究」ワークショップ 開催日時:2019年3月23日(土) 13:30~17:00 会場: 統計数理研究所 セミナー室1
トピックモデルの基礎と応用
トピックモデルの基礎と応用
Tomonari Masada
近年、自然言語処理の分野で注目を集め今では重要な基礎技術となったAttentionについて、その起源と発展を振り返ります。
NLPにおけるAttention~Seq2Seq から BERTまで~
NLPにおけるAttention~Seq2Seq から BERTまで~
Takuya Ono
2019.4.19 LPIXEL Inc. Presents #1【画像処理 & 機械学習】論文LT会! で発表した資料です。 https://lpixel.connpass.com/event/126425/
semantic segmentation サーベイ
semantic segmentation サーベイ
yohei okawa
SSII2020 技術動向解説セッション SS1 6/11 (木) 14:00~14:30 メイン会場 (vimeo + sli.do) グラフ構造をもつデータに対する DNN、すなわち Graph Neural Networks (GNNs) の研究はこの2、3年で参加する研究者が急増している。現状、様々なアーキテクチャの GNN が様々なドメインや様々なタスクで個別に提案され、概観を捉えるのも簡単ではない状態になっている。本チュートリアルは、広範に散らばった GNN 研究の現状についての概観と基盤技術を紹介するとともに、時間が許す範囲でコンピュータビジョン領域における応用例の紹介にも取り組みたい。
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII
What's hot
(20)
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields
【DL輪読会】NeRF-VAE: A Geometry Aware 3D Scene Generative Model
【DL輪読会】NeRF-VAE: A Geometry Aware 3D Scene Generative Model
Point net
Point net
カルマンフィルタ入門
カルマンフィルタ入門
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
論文紹介 "DARTS: Differentiable Architecture Search"
論文紹介 "DARTS: Differentiable Architecture Search"
Transformerを雰囲気で理解する
Transformerを雰囲気で理解する
[DL輪読会]Objects as Points
[DL輪読会]Objects as Points
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
Word2vecの並列実行時の学習速度の改善
Word2vecの並列実行時の学習速度の改善
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
【DL輪読会】Segment Anything
【DL輪読会】Segment Anything
時系列データ分析
時系列データ分析
トピックモデルの基礎と応用
トピックモデルの基礎と応用
NLPにおけるAttention~Seq2Seq から BERTまで~
NLPにおけるAttention~Seq2Seq から BERTまで~
semantic segmentation サーベイ
semantic segmentation サーベイ
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
More from Tomoyuki Hioki
Multivariate analysis
Analysis of cancer by structural equation
Analysis of cancer by structural equation
Tomoyuki Hioki
Multivariate analysis
Analysis of cancer and health in each prefecture
Analysis of cancer and health in each prefecture
Tomoyuki Hioki
マーケティング科学 Marketing Strategy by American Express
Marketing Strategy by American Express
Marketing Strategy by American Express
Tomoyuki Hioki
マーケティング科学 製品改良と満足度との関係:多属性モデルに基づくシミュレーション
製品改良と満足度との関係:多属性モデルに基づくシミュレーション
製品改良と満足度との関係:多属性モデルに基づくシミュレーション
Tomoyuki Hioki
Power and Energy System Optimization Research by Reinforcement Learning Extended with Attention and Masking Techniques
Power energy system optimization research by reinforcement learning extended ...
Power energy system optimization research by reinforcement learning extended ...
Tomoyuki Hioki
Power and Energy System Optimization Research by Reinforcement Learning Extended with Attention and Masking Techniques
Power energy system optimization research by reinforcement learning extended ...
Power energy system optimization research by reinforcement learning extended ...
Tomoyuki Hioki
【論文紹介】Understanding Back-Translation at Scale
【論文紹介】Understanding Back-Translation at Scale
【論文紹介】Understanding Back-Translation at Scale
Tomoyuki Hioki
Smart Grid Optimization by Deep Reinforcement Learning over Discrete and Continuous Action Space The 32nd Annual Conference of the Japanese Society for Artificial Intelligence, 2018
Smart Grid Optimization by Deep Reinforcement Learning over Discrete and Cont...
Smart Grid Optimization by Deep Reinforcement Learning over Discrete and Cont...
Tomoyuki Hioki
【論文紹介】Deep Mimic: Example-Guided Deep Reinforcement Learning of Physics-Based Character Skills, SIGGRAPH2018
【論文紹介】Deep Mimic: Example-Guided Deep Reinforcement Learning of Physics-Based...
【論文紹介】Deep Mimic: Example-Guided Deep Reinforcement Learning of Physics-Based...
Tomoyuki Hioki
LSTM
[論文紹介] LSTM (LONG SHORT-TERM MEMORY)
[論文紹介] LSTM (LONG SHORT-TERM MEMORY)
Tomoyuki Hioki
【論文紹介】Deep Reinforcement Learning for Solving the Vehicle Routing Problem 車両配送問題のための深層強化学習
【論文紹介】Deep Reinforcement Learning for Solving the Vehicle Routing Problem
【論文紹介】Deep Reinforcement Learning for Solving the Vehicle Routing Problem
Tomoyuki Hioki
パターン認識と機械学習 (ベイズ理論による統計的予測) 1.2.5~1.2.6 Pattern Recognition and Machine Learning (PRML)
Prml1.2.5~1.2.6
Prml1.2.5~1.2.6
Tomoyuki Hioki
パターン認識と機械学習 (ベイズ理論による統計的予測) 1.2.4 Pattern Recognition and Machine Learning (PRML)
Prml1.2.4
Prml1.2.4
Tomoyuki Hioki
パターン認識と機械学習 (ベイズ理論による統計的予測) 1.2.3 Pattern Recognition and Machine Learning (PRML)
Prml1.2.3
Prml1.2.3
Tomoyuki Hioki
パターン認識と機械学習 (ベイズ理論による統計的予測) 1.2.1~1.2.2 Pattern Recognition and Machine Learning (PRML)
Prml1.2.1~1.2.2
Prml1.2.1~1.2.2
Tomoyuki Hioki
パターン認識と機械学習 (ベイズ理論による統計的予測) 1.1 Pattern Recognition and Machine Learning (PRML)
PRML1.1
PRML1.1
Tomoyuki Hioki
パターン認識と機械学習 (ベイズ理論による統計的予測) 1.2 Pattern Recognition and Machine Learning (PRML)
PRML1.2
PRML1.2
Tomoyuki Hioki
PRML1.1
PRML1.1
PRML1.1
Tomoyuki Hioki
More from Tomoyuki Hioki
(18)
Analysis of cancer by structural equation
Analysis of cancer by structural equation
Analysis of cancer and health in each prefecture
Analysis of cancer and health in each prefecture
Marketing Strategy by American Express
Marketing Strategy by American Express
製品改良と満足度との関係:多属性モデルに基づくシミュレーション
製品改良と満足度との関係:多属性モデルに基づくシミュレーション
Power energy system optimization research by reinforcement learning extended ...
Power energy system optimization research by reinforcement learning extended ...
Power energy system optimization research by reinforcement learning extended ...
Power energy system optimization research by reinforcement learning extended ...
【論文紹介】Understanding Back-Translation at Scale
【論文紹介】Understanding Back-Translation at Scale
Smart Grid Optimization by Deep Reinforcement Learning over Discrete and Cont...
Smart Grid Optimization by Deep Reinforcement Learning over Discrete and Cont...
【論文紹介】Deep Mimic: Example-Guided Deep Reinforcement Learning of Physics-Based...
【論文紹介】Deep Mimic: Example-Guided Deep Reinforcement Learning of Physics-Based...
[論文紹介] LSTM (LONG SHORT-TERM MEMORY)
[論文紹介] LSTM (LONG SHORT-TERM MEMORY)
【論文紹介】Deep Reinforcement Learning for Solving the Vehicle Routing Problem
【論文紹介】Deep Reinforcement Learning for Solving the Vehicle Routing Problem
Prml1.2.5~1.2.6
Prml1.2.5~1.2.6
Prml1.2.4
Prml1.2.4
Prml1.2.3
Prml1.2.3
Prml1.2.1~1.2.2
Prml1.2.1~1.2.2
PRML1.1
PRML1.1
PRML1.2
PRML1.2
PRML1.1
PRML1.1
【論文紹介】Seq2Seq (NIPS 2014)
1.
Sequence to Sequence Learning
with Neural Networks Ilya Sutskever Google Oriol Vinyals Google Quoc V. Le Google NIPS 2014
2.
背景 Encoder-Decoderモデル 従来のDNN(ディープニューラルネットワーク)は時系列データを扱うことは難しかった 新たにRNNを⽤いたEncoder-DecoderモデルのSeq2Seqモデルを導⼊ Encoder-Decoderモデルは機械翻訳で多く使われ、 2種類のRNNで構成されている Seq2Seqモデル 論⽂ではEncoder-Decoder部にLSTMを導⼊
3.
Sequence-to-Sequenceモデル(Seq2Seqモデル、系列変換モデル) 時系列モデル(主に⾔語処理)へ適⽤されているアーキテクチャ 特徴は、系列を⼊⼒として系列を出⼒する機構 例えば、⽂章を単語の系列として捉えれば、Sequence-to-Sequenceモデルを 使うことで⽂章を⼊⼒として⽂章を出⼒するようなモデルを作れる Sequence-to-SequenceモデルはEncoderとDecoderの2つのRNNで構成される EncoderのRNNで⼊⼒系列をベクトルに圧縮し、 そのベクトルをDecoderに渡し出⼒系列を⽣成 2 Sequence-to-Sequence ABC : ⼊⼒系列
(ex: 英語の1⽂) <EOS> : ⽂末記号(End-of-the-sequence) WXYZ : 出⼒系列 (ex: フランス語の1⽂) 出⼒層 : softmax
4.
3つの重要な⼿法 ・⼊⼒系列と出⼒系列に異なる2つのLSTMを使⽤ これによりパラメータの増加による⻑期依存への対応と複数⾔語に対応 ・LSTMを4つの層(深層)で使⽤ 3層以下のLSTMよりも深層LSTMが実験的に優れた結果を出した ・⼊⼒系列の順序(系列順)を反転 ⼊⼒系列の順序を反転させることで実験的にLSTMの結果が⼤幅に向上した ex.) Stay hungry,
Stay foolish. ⇨ foolish. Stay hungry, Stay WMT-14(データセット)をBLEU(翻訳精度:値域1~100で⾼い⽅が⾼精度)を⽤いて, 英語からフランス語に翻訳してベンチマークテストを⾏う (BLEU: a Method for Automatic Evaluation of Machine Translation, IBM) SMT法(Statistical Machine Translation):33.3 Seq2Seq法:34.8 Seq2Seq法(SMTによる前処理後):36.8 3 Sequence-to-Sequence
5.
Seq2SeqではRNNから得た出⼒𝑦"をLSTMの⼊⼒として扱う(ℎ"はベクトル) RNNでは⼊⼒系列をベクトル化する ここで、RNNの出⼒をLSTMの⼊⼒として加え、条件付き確率𝑃% & |𝑥%を求める ⽬的関数(トレーニング時): 原⽂Sの元で翻訳⽂章Tの対数確率を最⼤化する トレーニングではビームサーチ法を⽤いて変換を探索する トレーニング終了時に最も精度の⾼い翻訳を作成する 4 The Model :Sはトレーニングセット BS(ビームサーチ)法
6.
5 提案モデルの翻訳正誤
Download now